Econometria: um passo à frente na previsão - página 72
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
a porra que deveria ser... mas na prática não será...
Ele o fará. Pegue duas amostras de dados aleatórios com a mesma expectativa e variância. Combinar resultados, ou seja, aumentar o tamanho da amostra, calcular a variância e a expectativa para a amostra combinada e obter o mesmo.
Mesmo teoricamente, não é difícil entender por que isto acontece, por exemplo, se o volume de dados nas amostras é o mesmo, então em ambos os casos, ou seja, para expectativa e variação, tanto o numerador quanto o denominador dobrarão. Os dois no numerador e denominador são mutuamente reduzidos e obtemos o mesmo resultado. Se o tamanho de ambas as amostras não for o mesmo, o numerador e o denominador ainda aumentarão na mesma quantidade em relação ao numerador e denominador da primeira amostra: quantas vezes o tamanho da primeira amostra aumentou após a combinação.
Será. Pegue duas amostras de dados aleatórios com a mesma expectativa e variância. Combine os resultados, isto é, aumente o tamanho da amostra, calcule o desvio e a expectativa para a amostra combinada e obtenha o mesmo.
Ao prever dentro da amostra eu tenho um fator de lucro fantástico, especialmente, por favor, observe o fator de lucro nas observações. Mas fora da amostra ..... Por que tais resultados cor-de-rosa não se estendem mais um passo? Eu não consigo entender.
Finalmente o adepto do culto, revelou o segredo principal do truque religioso!
Elementar, Watson! Porque são não-estacionários. A estacionaridade é quando a dispersão e a expectativa são constantes e não dependem da amostra, da qual são medidas. Isto é, em qualquer outra amostra independente, devemos obter aproximadamente as mesmas constantes. Se não o fizermos, então a hipótese de estacionaridade é desmentida.
A hipótese de estacionaridade pode ser testada de outra forma, aumentando a dimensão da amostra. No caso de estacionariedade, tanto a variação quanto a expectativa devem também permanecer constantes.
Surpreendente surdez.
Há vários anos venho discutindo - o kotier é não-estacionário e não pode ser previsto.
Eu venho discutindo há anos - o kotir não é estacionário, mas pode ser previsto se o resíduo do modelo for estacionário. O residual é de interesse porque então você pode adicionar o modelo (analítico) com um residual estacionário. Esta soma é igual ao quociente, não se perde uma tubulação. Já escrevi cem vezes acima. Não é a mesma coisa, adeptos dos chukchi que são escritores, mas não leitores.
porque existem apenas 40 observações. Embora você não goste de estatísticas clássicas), a raiz da estimativa dos resultados dos testes está nela.
Sim, 40 é um pouco pequeno. Fez o teste e escreveu acima. Após 70 novos aumentos da amostra, o resultado não é afetado. Aqui está o resultado sobre o comprimento da amostra. É digno de nota. Os coeficientes do modelo são estimados:
EURUSD = C(1)*HP1(-1) + C(2)*HP1(-2) + C(3)*HP1_D(-1) + C(4)*EQ1_HP2(-1) + C(5)*EQ1_HP2(-2) + C(6)*EQ1_HP2(-3) + C(7)*EQ1_HP2_D(-1) + C(8)*EQ1_HP2_D(-2) + C(9)*EQ1_HP2_D(-3) + C(10)*EQ1_HP2_D(-4)
São 10 no total. Todos os coeficientes são variáveis aleatórias. Pergunta: em que comprimento de amostra eles se tornarão aproximadamente uma constante. Mostrarei todos os coeficientes em um figo:
Aqui amostra = 80 observações. Você pode ver que depois da metade da amostra todos os ajustes e especialmente o erro da avaliação do coeficiente. Para o primeiro coeficiente eu darei um maior:
Esta é uma estimativa do próprio coeficiente - vemos que seu valor não é uma constante.
E agora o erro de estimativa do coeficiente:
Portanto, concluo que a amostra deve estar em algum lugar com mais de 60 observações.
Precisamos de coeficientes estáveis com um pequeno erro - esta é uma medida do comprimento da amostra!
Claro que sim...mas estamos falando da realidade...e na realidade, o modelo será constantemente alimentado com novos (e possivelmente inutilizáveis para este modelo) dados...
Surpreendente surdez.
Eu venho dizendo há anos - o cotier é não-estacionário e não pode ser previsto.
Eu venho dizendo há vários anos - kotir é não-estacionário, mas pode ser previsto se o resíduo do modelo estiver estacionário. O residual é de interesse porque então você pode adicionar o modelo (analítico) com um residual estacionário. Esta soma é igual ao quociente, não se perde uma tubulação. Já escrevi cem vezes acima. Não é a mesma coisa, adeptos dos chukchi que são escritores, mas não leitores.
E, a propósito, sobre a análise dos resíduos para uma distribuição normal: apenas 116 observações são muito pequenas para que os resultados sejam confiáveis. Isto é, é claro que podemos aplicar o teste e ele atribuirá a distribuição ao normal com alguma probabilidade, mas qual é o intervalo de confiança desta previsão? Ou seja, 25% é novamente um valor muito aproximado e pode ser a faixa 0...50 com 95% de confiança, por exemplo, e pode ser 22...28. Depende tanto do número de observações quanto da variância. Parece-me que, com 116 observações, a IC seria enorme
Normalmente, os criadores de tais modelos os executam rapidamente no testador, certificam-se de que eles falham e passam para novos modelos. Mas aqui a partida mostra previsões diárias em tempo real, esperando um milagre - masoquismo de algum tipo.
Os fórums que se sentam com o bico aberto onde devem colocar o graal podem se dispersar.
O problema que delineei e para o qual não tenho solução, é prever a previsibilidade do modelo através das características estatísticas do modelo sobre a história. Não estou interessado em métodos de AT.
em qualquer algoritmo você pode usar qualquer erro...e r-Q em NS também...
.....Não se sabe há vários anos - o kotir é não-estacionário e não pode ser previsto.
Eu venho dizendo há anos - kotir é não-estacionário, mas pode ser previsto.....